数字化转型亟须具备掌握控制、连接和数据三个基本面的人才，本书以培养以上人才为目标进行编写，以工业数据为主线，贯穿工业数据的产生、传输、处理、存储、决策和执行全环节。
　　工业互联网是数字化转型的关键共性基础，其实现工业数据打通的重点和难点在于操作运营技术和信息技术的融合。本书涵盖这两个领域，共分为8章。第1章绪论以四次工业革命为时间线，以信息的采集传输和控制的执行为关注点，系统地介绍自动化控制在变革中发挥的作用、工业互联网的发展和数字化实施的思路。第2～7章，既包括聚焦于操作运营

本书深入探讨了现场级工业互联系统的相关知识和技术，以该系统中的数据流为主要脉络，详细介绍了现场级工业互联系统的基本概念、架构和组成部分，现场设备的数据采集、传输与处理技术，工业数据分析与智能决策方法，工业互联系统数据中台的构建以及工业控制系统的安全技术。本书内容讲解深入浅出，注重理论与实践相结合，尽可能从实际工程的分析中引入要研究、讨论的问题、概念和方法，从简单到复杂给出实际应用案例和实验操作，便于读者对工业互联系统分析与设计方法的深入理解和掌握。
　　本书可作为普通高等院校电子信息

公共数据资产授权运营是数字经济时代推动经济高质量发展的引擎。公共数据开放共享和合理授权运营，能够为政府决策提供支持，为企业创新提供动力，为公共服务提供优化方案。本书根据近几年中央和各地政府出台的法律法规和规范性文件，通过深入研究和实地调研各地公共数据资产的授权运营实践，采用理论与实践相结合的研究方法，全面系统地探讨了公共数据资产授权运营的多个关键维度。书中不仅详细阐释了公共数据资产授权运营的基本概念和理论框架，还深入分析了运营环境的构建、运营过程的管理、运营模式的选择以及运营效果的评价等多个层面

在信息化和数字化飞速发展的今天，数据安全已成为企业运营的核心议题，数据作为生产要素在大规模的流动和使用过程中面临着新的挑战，区块链、人工智能技术的发展为数据安全防护提供了新的解决思路和方法。本书从数据安全的基本概念入手，深入分析了国内外数据安全形势，探讨了数据资产的生命周期安全管理，以及数据安全的关键技术手段，同时强调了数据安全的组织管理与政策法规的重要性。此外，书中还详细阐述了数据安全的应急响应与灾难恢复策略，并通过实战案例分析，提炼出数据安全防护的优秀实践，旨在为读者提供一套完整的数据安全防

近年来国家对数据要素越来越重视，相关的法律政策陆续发布，这些法律政策的出台不仅引起了学术界对数据要素的高度重视，也推动了产业方对数据要素的广泛应用，更推动了数据资产入表的深入开展，使全民对数据要素的认识和应用提高到一个新台阶。 为方便广大读者学习、领悟和贯彻这些法律政策，本书组织了本领域相关重量级专家对相关法律政策进行解读，论述法律政策出台的背景及缘由，以及其指向及重点，为读者了解法律政策提供简明扼要的辅助，同时帮助从业者了解法律政策出台目的，引导从业者按照法律政策取向干事创业、取得实际成效。

本书以深入剖析“数据要素×”的内涵、特点和实现路径为核心，从基础理论和领域实践两个维度构建系统性分析框架。在基础理论部分，详细呈现了数据要素的特点特征、作用机制和应用模式，并重点探讨了其与新质生产力、数字经济、经济社会发展等重大战略间的紧密关系。在领域实践部分，对数据要素的应用现状和当前难点问题加以深入分析，结合行业实践具体案例，详细分析数据要素与具体行业领域乘数效应发挥的背景环境、运行情况、成效研究，通过“数据要素×”在 12 个行业领域的应用案例，展现其实际运作模式和取得的显著效果。 本书可

本书紧跟大数据技术的最新发展、重视基础知识体系，系统地介绍了大数据技术与应用的基本概念和思维方式，详细阐述了大数据的采集、存储、处理、分析和可视化等相关内容，并结合了最新的技术应用案例，讲述了大数据在金融、互联网、生物医学等领域的应用以及大数据环境下的隐私和安全问题。 本书既可以作为高等院校大数据、计算机科学与技术、软件工程及相关专业课程的教材，也可以供系统分析师、系统架构师、软件开发工程师、项目经理及对大数据技术感兴趣的读者阅读和参考。

"本书是一本全面介绍大数据分析理论基础、方法、技术及其应用实践的专业书籍，以数据分析的基础理论为出发点，详细阐述了数据采集、清洗、预处理、探索性数据分析等前期准备工作，为读者揭示了数据分析的全过程和方法论。
本书着重介绍线性回归、逻辑回归、决策树、随机森林、神经网络等常用的数据分析方法，并通过TensorFlow等工具的应用，展示如何在实际项目中应用这些技术进行数据挖掘和预测分析。此外，作者还精选了金融、电商、物流等行业的大数据分析案例，详细讲解了从数据处理到模型构建，再到结果解释的完整流

“大数据技术应用基础”是财经类专业学生学习财务大数据技术的入门课程。本书选取薪资管理、量化投资、固定资产管理3个常见的财务工作场景，详细介绍这些工作场景涉及的大数据基础知识、数据库基础操作和高级操作，以及数据采集和数据可视化等专业知识。

本书以Kettle工具实现ETL流程为目标，将ETL知识点与项目任务相结合，配套真实的案例，按照ETL的流程，循序渐进地介绍了ETL数据整合与处理的相关内容。全书共6个项目，项目1介绍了ETL概念和ETL工具；项目2以食品销售数据为例，介绍了获取不同类型源数据的方法，并说明了它们之间的差别；项目3以整合和处理某供应链的食品销售数据为案例，从获取多份源数据开始，经过数据清洗、删除、合并、去重、排序、过滤和输出等一系列与ETL流程相匹配的任务操作，整合和处理成一份符合项目阶段目标要求的数据